这个品类的数据长什么样
供应商审计的数据主要来源于审计报告、CAPA（纠正与预防措施）计划、供应商资质文件、生产许可证、ISO 认证、以及历史审计记录。这些文档通常以 PDF、Word、Excel 等格式存在。审计报告的更新频率通常为每年一次或根据风险等级调整，CAPA 计划则根据问题整改进度实时更新。文档结构方面，审计报告包含审计范围、发现、建议、评级等标准化章节。资质文件则涵盖公司基本信息、注册号、生产范围、有效期等固定字段。这些数据中，日期、批次号、规格型号、质量标准（如 USP、EP）等是常见且关键的字段，单位涉及计量单位、时间单位。
这些特征在「多轮对话与提示词」这一环带来什么约束
供应商审计数据的结构化程度较高，且包含大量专业术语和法规要求，这对多轮对话的上下文理解和知识召回的准确性提出了高要求。由于审计报告和CAPA计划的关联性强，对话系统需要能够跨文档、跨时间线地进行信息整合，以回答诸如“某供应商在上次审计中发现的问题是否已整改”这类问题。资质文件的有效期管理要求系统能识别并追踪日期字段。此外，法规合规性是核心，提示词设计需引导模型严格依据原文信息，避免幻觉，确保回答的严谨性。专业术语的准确识别和解释是关键，例如“偏差”、“批记录”、“GMP”等。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8000–16000 tokens | 确保对话有足够长的记忆，覆盖多轮审计问题和相关文档片段。 |
分段长度 | 800–1200 字符 | 供应商审计报告和CAPA计划通常包含详细描述，适当增加分段长度有助于保留上下文完整性。 |
召回条数 | 前 8–12 条 | 审计问题往往涉及多个方面，增加召回条数能提升相关信息被检索到的概率。 |
相似度阈值 | 0.75–0.85 | 审计资料的专业性要求高，提高相似度阈值能召回更精准、相关性强的片段。 |
重排返回条数 | 4–6 条 | 经过初次召回后，重排可以进一步优化排序，确保最相关的核心信息优先呈现。 |
temperature | 0.1–0.3 | 审计资料问答对准确性要求高，较低的温度值有助于生成事实性、非创造性的回复。 |
容易做错的三处
- 对话系统在处理“某供应商的最新审计结论是什么”这类问题时，未能准确识别并优先调用最新版本的审计报告，导致引用过时信息。原因在于知识库索引未有效区分文档版本或缺乏时间戳排序机制。
- 用户提问“请总结某批次产品的缺陷报告”，系统返回了不完整的缺陷描述或将不同批次的信息混淆。原因在于提示词未明确批次号作为关键筛选条件，或文档分段未能有效保持批次信息的完整性。
- 在进行多轮追问时，例如“该供应商的CAPA计划进展如何？”，系统回复“未捕获的异常”。原因可能是AI对话组件的配置不正确，例如API密钥过期或私有部署的环境变量未正确设置，导致模型调用失败。
怎么确认配好了
- 针对特定供应商，模拟提问“请列出最近一次审计中发现的所有重大缺陷”，核对返回结果是否与最新审计报告中的发现条目完全一致。
- 选取一个包含CAPA计划的审计报告，提问“某缺陷的纠正措施是什么，完成日期是哪天”，检查系统是否能准确抽取并回答对应的措施内容和日期。
- 测试多轮对话场景，例如先询问“A供应商的资质有效期”，再追问“过期前需要准备哪些文件”，观察系统能否保持上下文，并提供相关法规或文件清单。
问题素材取自公开社区提问（2026-09-11 去重 4,834 条）。文中的配置项名称与取值区间需以所用版本的实际界面与文档为准；本页核验日 2026-09-21，当时的最新发布版本为 FastGPT v4.17.0。